根本的原因，互联网渗透了我们的生活，从线上延伸到线下，人车物都被数据化了，这才使数据的大规模商用成为可能，再包装一个名号大数据。

技术层面无非是把一台机器做不了的事分给很多机器做，并不是主要的进步。主要的推动力是智能手机，我们的每一次聊天，每一份订单都出卖了我们。另一个推动力是线下业务都出现了计算机化，原来靠人工完成的各种记账，现在全部都用计算机完成，各类家电也都能上网了，还有就是数字监控的大规模普及。如果你携带现代的大数据分析系统，穿越回到20年前，甚至是十年前，都没有那么多的数据给你用。

在这里还是要推荐下我自己建的大数据学习交流群:529867072，群里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入,大家都是软件开发党，不定期分享干货（只有大数据软件开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴加入。

还有一个推动力，就是深度学习的出现。深度学习特别消耗数据，而且自身优异的性能，又进一步提升了大数据等商业价值。

现在这篇回帖就是我一边走路，一边在手机上用语音给打出来的。我明明知道这个会暴露我的一些行踪偏好等等，我还是贪图它的便利性，继续给科大讯飞提供数据原料。

大数据，根本上与数学、统计学、计算机学、数据学等基本理论知识无法分割，技术水平突飞猛进给数字领域带来最直接的跃进。

App研发应用、数据库编写应用等促进人类社会技术进步的价值都来源于大数据的发明和运营。

大数据不仅创造了新的计算方式、技术处理方式，更加为其他技术的研发、应用和落地提供基础，例如人工智能等。

大数据的“三重门”理论中“交易门”，则是大数据技术价值的核心映射。

“交易门”即客户与企业进行交易的数据，客户的交易行为通过企业内部系统留存，基本以“事后”数据为主。

“交易门”是推进企业数据驱动业务，与客户联系沟通、获得有效和分析数据的初级门槛，无论大数据获取能力如何发展，直接的交易信息永远都是第一有效和值得关注的。

淘宝的交易分析报告中提到，大额买单后的重购次单和同店重购次单比例分别为25.0%和16.8%，要明显高于普通买单的18.8%和10.7%，则表示在首次买单获取了对卖家服务和商品质量的信任后，次单完全存在放大金额的可能，并且比普通买单的可能要高得多。

由此引导卖家增进服务、坚守质量，并适时推出捆绑推荐，以求同类商品同店大额下单的几率。